关于项目整体的一些思路及建议整理

1. 文档及其规范的重要性


2. 版本管理的整洁

  • 目前认为的best practice:以Git管理代码,SVN管理文档及其他
  • 代码库仅保留代码,不保留生成及lib(若为老式项目,不是maven gradle项目等有依赖管理的,则保留lib也算合理)等
  • 例如maven项目默认的target文件夹和eclipse生成的.eclipse文件夹等,均为应ignore对象
  • Git可使用gitignore文件,SVN可添加至ignore列表

3. 单元测试

  • 由开发人员编写,单元测试直接以代码为准,代码注释即文档
  • 单元具体到什么地步(细化)看业务要求,aop的话应以切片为准
  • UI测试可使用自动测试框架(如selenium)
  • 所有单元测试应可全程自动完成,除了编译项目开始动作以外不需要人工干预(也是为了以后自动发布流程)
  • 测试环境及properties应与生产环境配置分离(maven项目中有src/test文件夹)

4. 持续集成

  • 可用Jenkins框架进行持续集成的实现
  • 持续集成包括(构建,测试,发布),完全自动化
  • 具体做法可以如下:

    1. 首先将项目信息加入Jenkins平台中(包括版本管理库信息,支持Git和SVN等)
    2. 配置钩子,每次版本更新自动构建并测试
    3. 若都通过则自动发布到配置的位置
    4. 不通过的也可通过配置查看每次构建失败的原因和状态
  • 也可以配置定时执行某些任务或者程序,用途很多

  • 此种做法需要一定的熟悉过程才能达到最高效生产力,至少可以节省一般流程四分之一的时间(总体来看肯定不止,如果熟悉了这套流程的话)(别看四分之一听起来有点少,一个大些项目的周期可以达到一年甚至几年,总体来看不止一点点)

5.数据库

  • 项目数据模型基本稳定后,所有的表都通过文件管理
  • 通常的方式是每个表一个sql文件,有对结构进行改动的首先对sql文件内容进行改动,然后再通过执行的方式反映到数据库
  • 实时性要求并没有达到秒级别的表,全都加上DELETE_FLAG, INSERT_USER, INSERT_DATE, UPDATE_USER, UPDATE_DATE 五个字段,使得数据变更变得可控可追溯
  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
资源介绍 本次为大家分享的是“基于SSM框架开发的Spring大学生竞赛活动平台”的毕业设计资源包,该资源包包含了完整的毕设源代码以及详尽的说明文档,是大学生在进行SSM框架学习和Web应用开发实践时的理想选择。 这个竞赛活动平台采用了SSM(Spring+SpringMVC+MyBatis)框架进行开发,充分利用了Spring的轻量级和IoC容器特性,结合SpringMVC的前端控制器功能和MyBatis的SQL映射机制,实现了高效、稳定且易于维护的Web应用。 在功能方面,平台提供了竞赛活动的发布、报名、管理、展示等一系列完整流程,用户可以在平台上浏览最新的竞赛信息,进行在线报名,并实时查看报名状态。管理员则可以通过后台管理系统对活动进行增删改查等操作,实现活动的灵活管理。 此外,该平台还具备高度可定制性。源码结构清晰,注释详尽,方便开发者进行二次开发和功能扩展。无论是增加新的功能模块,还是优化现有功能,都可以通过修改源码轻松实现。 说明文档方面,我们提供了从项目背景、需求分析、设计思路到实现细节的全方位指导,即使是初次接触SSM框架的开发者也能快速上手,完成项目的搭建和开发。 总之,这份“基于SSM框架开发的Spring大学生竞赛活动平台”毕业设计资源包,无论是对于SSM框架的学习,还是对于Web应用开发的实践,都具有极高的参考价值和实用性。希望它能成为你学习和成长路上的得力助手。
感谢您的提问。根据您的问题,我可以回答如下: 一、系统背景 糖尿病是一种常见的慢性疾病,据统计全球有4.63亿糖尿病患者,其中中国糖尿病人群占全球的1/4。糖尿病患者需要日常监测血糖水平,并且根据血糖水平的变化进行调整饮食和药物治疗,以维持血糖在正常范围内。因此,研发一款能够预测糖尿病病情的系统具有重要的临床意义和应用价值。 二、系统总体设计 本系统的框架结构如下图所示: 系统主要分为数据探索性分析、数据预处理模块、数据可视化模块和数据挖掘模块。 1. 数据探索性分析模块:主要对数据进行分析和探索,了解数据的分布、特征等情况,为后续的数据预处理和挖掘提供依据。 2. 数据预处理模块:主要对数据进行清洗、缺失值处理、特征选择等处理,以提高后续的数据挖掘效果。 3. 数据可视化模块:主要对数据进行可视化展示,以帮助用户更好地理解数据特征和分布情况。 4. 数据挖掘模块:主要采用机器学习算法对数据进行建模和预测,以实现糖尿病病情的预测。 三、系统功能实现 1. 系统开发环境 本系统采用Jupyter Notebook作为开发环境,Python作为主要的编程语言,采用Scikit-learn等机器学习库进行数据挖掘和建模。同时,本系统还需要使用Pandas、Numpy等数据处理库和Matplotlib、Seaborn等数据可视化库。 其他功能实现详见代码实现。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值